人工智能类｜基于python的残次品瑕疵检测

MS基于 python的残次品瑕疵检测

项目分类：人工智能｜计算机科学｜数学

课题背景01Project Background

随着互联网生态和通信技术的蓬勃发展，各种形式的电子产品如手机、平板电脑、智能手环和手表层出不穷。残次品作为智能终端设备的重要组成成分之一，其制作材料的特殊性质导致在生产过程中容易出现破损、裂纹、油污等不良情况。目前人工质检存在效率低、成本高、数据不易存档等问题；而智能质检机器 方案存在设备选择性少、价格昂贵等缺陷。

因此，针对残次品的缺陷检测和质量评估智能系统在电子设备生产中极其重要，拥有巨大的市场存量及发展潜力。

本项目通过运用先进的数据分析技术和机器学习算法，针对实际生产中残次品瑕疵检测的问题，对残次品进行深入分析，设计低成本高精度的残次品质检系统，实现对残次品的质检、检测报告的生成、质检数据的存档，达成精确的缺陷检测和质 量评估。

这一研究的应用场景包括但不限于电子产品制造、质量控制以及市场监管，为电子产品的质量保证提供了新的理论和实践基础。

项目目标02Project objective

（1）残次品瑕疵识别模型

学生将基于 YOLOv5目标检测算法的残次品 瑕疵识别模型，利用深度学习进行图像分析，通过优化网络结构和训练策略高效识别残次 品瑕疵。算法将目标检测问题转化为回归问 题，直接预测目标的边界框和类别。

YOLOv5使用 GIOU Loss 作为损失函数，以加快模型收敛速度和提高检测精度：

其中，总损失 Loss 由类别损失 Lcls、目标性损失 Lobj 和位置损失 Lloc 加权求和 得到，λ1, λ2, λ3 为损失函数的权重系数。结合 YOLOv5 算法的预处理、边界框预 测、类别预测等组件，可以实现对残次品的高效检测和识别。

（2）模拟工业场景下的瑕疵检测

学生使用两台计算机或多终端模拟云服务器和云存储节点，分别负责瑕疵检测和 生成质检报告。了解从数据采集到利用 socket 技术传递数据的流程，通过验证评估检测准确性，模拟工业视觉瑕疵检测全过程。

项目收获03Project achievement

本项目在模式识别、编程和专业写作方面提供了多项技能提升。

• 巩固学科知识点计算机科学–模式识别 数学–函数论–优化

在模式识别领域，目标检测是一项重要内容。 YOLOv5 算法通过深度学习，实现对残次品 的高效检测。通过 socket 套接字技术在节点 间的数据传递，模拟工业视觉场景下的瑕疵 检测流程。检测效果可以量化表示为：

其中，Precision 表示精确率，Recall 表示召回率，F1 分数是它们的调和平均值， 反映了模型的整体检测效果。

• 深度参与编程实践实操工业视觉场景仿真下的残次品瑕疵检测

• 掌握 LaTex 写作学习掌握国际通用的科技写作软件 LaTex

历史学生案例04ExamplesF同学

成都石*国际部｜牛津大学机械工程专业

因为小学有参加过机器人竞赛的经历，而且也计划后期就读机械工程的方向。所以跟老师商议后，决定开展水下机器人水下机器人的科研项目对，这段经历不仅让我更直观的了解了工程学相关的知识，也可以说是我拿到牛津offer最直接的助力。

X同学

成都*德国际部｜德州农工大学

我进行科研项目不仅仅是因为物理ee要求学生进行自主实验，更因为我对我的项目（空气动力学）抱有极大的兴趣。

很早之前我就有过想要做飞行器简易研究的想法，但是苦于缺乏机会，而ee给了我一个完美的时机。在我做科研的过程中，学到新的物理学知识是必然的，然而我认为更重要的是动手能力。

因为我计划后期继续在工程方面发展，科研项目让我有机会自己动手设计，制作，组装和运行我的项目。